GlucoPRISM 提出基于协议监督的预训练方法，提升跨队列血糖数据迁移性能

一句话结论

GlucoPRISM 通过识别并剔除传感器噪声，将跨队列迁移的平均 AUROC 从 68.75 提升至 73.57，显著优于基线模型 GlucoFM。

关键要点

• GlucoPRISM 将嵌入向量分解为 64 维特质、48 维状态和 16 维传感器三个功能子空间，并利用合成传感器视图和监督规则进行预训练。
• 在 12 个跨队列迁移方向中，移除传感器子空间后，冻结编码器的平均迁移 AUROC 达到 73.57，相比基线 GlucoFM 的 69.3 提升 4.27 个点。
• 在名为 CGMacros 的目标队列中，由于该队列同时包含两种传感器数据，过滤操作带来 11 到 19 个点的显著性能提升，且该方法在半数参与者的数据上重新校准生成器后依然有效。
• 该模型在 14 个公开任务队列中的 13 个提升了窗口 AUROC，并在一个包含 9,303 名参与者的外部队列中提升了 15 个临床终点中 14 个的相关性。
• 尽管移除了传感器子空间，剩余嵌入中仍保留线性的设备可解码性，证明该方法仅剔除干扰迁移的特定噪声分量，而非删除所有与设备相关的信息。

背景与事实

连续血糖监测（CGM）基础模型目前普遍将每天的测量数据编码为单一向量。这种混合表征包含了个体身份信息、当日常态变化以及传感器测量特性。当模型应用于新的临床队列时，不同设备或厂商带来的测量偏差会随该向量一同迁移，导致性能下降。现有的基础模型，如 GlucoFM，在跨队列部署时面临显著的性能挑战，因为缺乏针对性的降噪机制。
GlucoPRISM 提出了一种基于协议监督的预训练策略来解决这一痛点。该方法不依赖昂贵的临床标签，而是通过定义响应合同来指导 GlucoFM 骨干网络的学习。具体而言，模型将被引导将嵌入空间划分为三个明确的区域：一个 64 维的特质区域（Trait band），该区域表征个体的长期稳定特征，不应随日常变化或传感器更换而改变；一个 48 维的状态区域（State band），该区域专门捕捉每天的特有变化，只随日期变化；以及一个 16 维的传感器区域（Sensor band），该区域专门追踪设备本身的特性。
为了提供无标签的预训练信号，研究者构建了合成传感器视图。这些视图基于成对的 Dexcom（德康）和 Libre（雅培瞬感）记录数据进行校准，并结合了不同日期的数据对以及葡萄糖总结目标。这种策略使得模型在没有直接临床标注的情况下，能够学会如何将测量误差从生理信号中剥离。
在评估阶段，研究团队测试了 12 个不同的跨队列迁移方向。结果显示，使用经过 GlucoPRISM 预训练的冻结编码器，并通过固定投影移除传感器区域，可以将平均迁移 AUROC 从 68.75 提升至 73.57。作为对比，未经此过程优化的 GlucoFM 基线模型仅获得 69.3 的平均 AUROC。这表明该方法在整体上带来了 4.27 个点的性能增益。

影响分析

这一进展对依赖 CGM 数据进行大规模人群研究的生物医学领域具有积极意义。分析判断认为，GlucoPRISM 提供了一种无需目标队列数据即可提升跨域泛化能力的技术路径。对于开发者而言，这意味着在将模型部署到新的临床队列时，不再必须依赖目标领域的数据进行微调，从而大幅降低了数据获取的成本和隐私合规的门槛。
此外，该方法在 CGMacros 队列中表现出的 11 到 19 个点的提升幅度，尤其值得关注。由于该队列同时包含两种不同类型的传感器数据，这种性能增益证明了该模型在处理多模态混合数据时的鲁棒性。这为未来构建覆盖更广泛人群和更复杂设备环境的通用血糖预测模型提供了可复现的技术基准。研究者指出，即使生成器在仅有一半参与者的数据上进行重新校准，其评分性能依然稳固，这增强了该方法在数据有限场景下的实用价值。

适用边界

该结论主要适用于解决跨队列数据迁移中由传感器差异引发的性能退化问题。在以下场景中，该方法的优势可能不再明显或无法应用：首先，当目标队列使用完全相同的传感器类型且数据分布与源队列高度一致时，剔除传感器特征可能不会带来显著提升，甚至可能因过拟合去噪逻辑而损失部分有用的设备特异性信息；其次，该方法高度依赖 Dexcom 和 Libre 的高质量配对记录来合成传感器视图，若缺乏此类成对的基准数据，无法有效校准生成器，从而限制了其适用范围；最后，尽管模型移除了损害迁移的噪声分量，但保留的子空间中仍包含线性可解码的设备信息，因此它并不能完全消除所有设备差异的影响，对于需要绝对设备无关性的极端场景，该方法仍需谨慎评估。

孤本观察

编辑观察认为，GlucoPRISM 的核心创新在于将“传感器噪声”这一通常被视为干扰项的因素，转化为了可被显式定义和剔除的结构化子空间。这种通过固定投影而非学习端到端映射来实现降噪的思路，为时间序列基础模型在跨域部署中如何处理硬件偏差提供了新的方法论视角。

来源：arXiv cs.LG